
Depth Pro 2 против UniDepth V2: одна модель или целое семейство
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 186 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 358 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 87 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 139 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
В Depth Pro 2 интересно не то, что она оценивает глубину. UniDepth V2 делает это, сообщает результаты на десяти наборах данных в режиме zero-shot и делает так с тех пор, как её статья появилась как arXiv 2502.20110 в феврале 2025 года. Интересно то, что Depth Pro 2 отказывается быть одной моделью. Apple выпустила её в четырёх размерах, а также с оценщиком фокусного расстояния и экспортом в Core ML, и выбранный размер меняет то, что модель может сделать с вами, почти так же сильно, как и то, какую модель вы выбрали.
Оба представляют собой метрические монокулярные оценщики, обученные работать с изображениями, которых они никогда не видели. Depth Pro 2 возвращает глубину в метрах вдоль оси обзора камеры; UniDepth V2 возвращает метрическую глубину и облако точек в координатах камеры вместе с выведенными внутренними параметрами. Оба оценивают камеру, а не требуют её. Важное сравнение — не точность (две лаборатории не проводили общего бенчмарка), а то, какую часть решения о развёртывании каждое из них оставляет за вами.
Четыре размера против трёх магистралей
Модельный зоопарк UniDepth V2 — это три чекпоинта: unidepth-v2-vits14, unidepth-v2-vitb14 и unidepth-v2-vitl14, по одному на каждый размер магистрали ViT. В статье описываются самоподсказывающий камерный модуль, который предсказывает плотное представление камеры, чтобы обусловливать признаки глубины, псевдосферический выход, разделяющий представления камеры и глубины, потеря с краевым ориентированием, унаследованная от UniDepth V1, и выход неопределённости. Модель принимает известные внутренние параметры или класс камеры — Pinhole, Fisheye624 — и пропускает предсказание, когда вы их передаёте.
Четыре размера Depth Pro 2 — это S с 24 млн параметров и 97 МБ, B с 97 млн и 386 МБ, L с 334 млн и 1,3 ГБ и H+ с 872 млн и 3,5 ГБ. Файлы конфигурации делают масштабирование наглядным: S и B используют магистральные сети DINOv3 ViT-S и ViT-B и применяют межкадровое внимание на блоках 5, 7, 9 и 11; L использует ViT-L и применяет внимание на блоках с 9 по 23; H+ использует ViT-H+ и применяет внимание на блоках с 11 по 31. Размерность декодера удваивается с 64 у S до 128 у B и 256 у L и H+.

• Разброс параметров — UniDepth V2 охватывает три размера ViT, при этом на карточке модели не опубликованы значения количества параметров; Depth Pro 2 охватывает диапазон от 24M до 872M, а значения количества указаны в README.
• Чекпоинт по умолчанию — Depth Pro 2 по умолчанию использует H+ размером 3,5 ГБ; UniDepth V2 оставляет выбор вызывающему коду.
• Цели экспорта — Depth Pro 2 поставляется с пакетами Core ML для оборудования Apple и отдельным оценщиком фокусного расстояния на 23,5 млн параметров; UniDepth V2 поддерживает ONNX.
• Модель камеры — UniDepth V2 предоставляет классы Pinhole и Fisheye624 и принимает известные внутренние параметры; Depth Pro 2 предполагает перспективную камеру, читает EXIF или оценивает фокусное расстояние с помощью отдельной модели.
• Неопределённость — UniDepth V2 возвращает оценку уверенности; Depth Pro 2 — нет.

Линия метрического масштаба идёт в противоположном направлении.
UniDepth V2 — это доработка решения metric-depth, и в статье прямо указано, что задача V2 состояла в том, чтобы сделать архитектуру проще и эффективнее, одновременно добавив более четкие границы благодаря edge-guided local SSI, гибкие формы и соотношения входных данных за счет настройки уровня разрешения, более быстрый инференс, поддержку ONNX и новые модели камер. Сообщаемые показатели zero-shot, где больше значит лучше по метрике delta-1, составляют 98,8 на NYUv2, 96,4 на SUN-RGBD, 85,2 на ETH3D, 94,5 на iBims-1, 98,9 на KITTI, 87,0 на Nuscenes и 88,2 на DDAD — в общей сложности по десяти наборам данных. Эти данные заявлены производителем и здесь не воспроизводились.
Depth Pro 2 достигает метрического масштаба с другой стороны. Оригинальный Depth Pro был фундаментальной моделью для zero-shot метрической глубины, которая создавала карты разрешением 2,25 мегапикселя за 0,3 секунды и оценивала фокусное расстояние по одному изображению, а вклад Depth Pro 2 — не масштаб, а согласованность: резкие границы и стабильная глубина от кадра к кадру. Опубликованной таблицы delta-1 для него нет. Страница проекта называет Boundary F1 и Jitter в качестве метрик, по которым он, как утверждается, побеждает, но не приводит значений, а блок цитирования по-прежнему указывает на arXiv:261X.XXXXX — заглушку, а не статью.
Итак, две модели не конкурируют на одной и той же оси. UniDepth V2 — это оценщик глубины с сильной, подкреплённой табличными данными историей zero-shot. Depth Pro 2 — это оценщик глубины, который сделали стабильным во времени, и доказательство этому — график и утверждение. Если критерий вашей оценки — «у какой модели есть числа, которые я могу внести в документ для закупки», то у UniDepth V2 они есть, а у Depth Pro 2 пока нет.
Что на самом деле даёт вам вывод
Разница в форме выходных данных больше, чем кажется. UniDepth V2 выдаёт вам облако точек, уже выраженное в координатах камеры, вместе с внутренними параметрами, которые придают ему смысл, и каналом неопределённости, по которому можно задать порог. Depth Pro 2 выдаёт вам карту глубины плюс фокусное расстояние, на котором он остановился, а значит, преобразование в 3D писать вам — и ошибаться в нём тоже вам. Если вы создаёте ассеты, UniDepth V2 экономит один этап. Если вы создаёте глубину — маску, маску окклюзии для AR, перевод фокуса — дополнительная структура оказывается работой, которая вам была не нужна.
Ни одна модель не заменяет датчик глубины на бестекстурной или отражающей поверхности. Обе оценивают масштаб по визуальным признакам, и обе будут ошибаться в одних и тех же местах по одним и тем же причинам.
Лицензирование и коммерческий вопрос
UniDepth V2 выпущен под лицензией Creative Commons BY-NC 4.0, которая является некоммерческой. Веса Depth Pro 2 распространяются по лицензии Apple Machine Learning Research Model, которую репозиторий определяет как предназначенную только для исследовательского использования — некоммерческих научных исследований и академической разработки. По вопросу лицензирования обе модели находятся в одинаковом положении: ни одна из них не является продуктовой лицензией, и обеим необходим разговор с юристами, прежде чем речь зайдёт о доходах.
Разница в том, что их окружает. Кодовый репозиторий UniDepth V2 — это эталонная реализация, и карточка модели ссылается на него как на документацию; Depth Pro 2 поставляется в виде устанавливаемого через pip пакета с командной строкой, Python API, демонстрационным приложением для Mac и явным заявлением, что репозиторий содержит код для запуска моделей, но не код для обучения или оценки. Если вы оцениваете, «насколько быстро команда сможет стать продуктивной с этим», Depth Pro 2 проделал больше работы в этом направлении.

В реальной системе это обычно всегда попадает в одно и то же место: модель глубины — это один вызов в конвейере, а затраты и хрупкость сосредоточены в окружающем его конвейере. OrcaRouter помещает 217 моделей за единую конечную точку, совместимую с OpenAI с наценкой 0% — цена из прайс-листа провайдера проходит без изменений — и добавляет автоматическое переключение при сбоях между провайдерами, так что этап глубины, которому нужно плавно деградировать, может это делать без второго контракта с поставщиком. Маршрутизация — не самая интересная часть конвейера глубины, но именно она решает, останется ли конвейер работоспособным.
Как выбрать
Выбирайте UniDepth V2, когда вам нужны глубина и геометрия вместе, когда у вас есть модель камеры, которую вы можете предоставить, и когда вам нужны цифры, на которые можно ссылаться. Оценка на десяти наборах данных — это самые сильные опубликованные доказательства, имеющиеся у любой из моделей, а показатель уверенности действительно полезен для последующей фильтрации плохих предсказаний.
Выбирайте Depth Pro 2, когда вам нужен регулятор размера и видеорежим. Начать с S на ноутбуке и перейти на H+ на сервере — это реальный рабочий процесс, который Apple описывает в документации, а отдельный оценщик фокусного расстояния позволяет рассчитать камеру один раз и повторно использовать результат. Правда, дизайн с временной согласованностью окупается только на видео — на статичных изображениях вы платите за межкадровое внимание, которое никогда не используете.
Чего вам не стоит делать — так это читать сравнение этих двух моделей, в котором их ранжируют. Общего бенчмарка не существует, а метрики, которые выбрала каждая лаборатория, — это метрики, в которых каждая лаборатория сильна. Если вам нужно принять решение сегодня, то решающими факторами будут формат вывода и лицензия, а не победитель.
